如何按月对 pandas DataFrame 进行分组？尝试其输出具有实际最后几天的索引

Question

我有以下DataFrame，喜欢按月分组。

import pandas as pd
import numpy as np

idx = pd.date_range(start='2001-01-01', end='2002-01-01', periods = 80)
df = pd.DataFrame(np.random.rand(160).reshape(80,2), index=idx.normalize(), columns=['a','b'])

使用以下代码，我可以按月对 df 进行分组，但其索引标签是每个 calendar[=38= 的最后几天] 月，但不是 df.

中每个月的最后几天
k = df.resample('M').apply(lambda x: x[-1]) k1 = df.groupby(pd.Grouper(freq='M')).last()

例如，df.loc['2001-01'].index[-1] 是 Timestamp('2001-01-28 00:00:00')，而不是 Timestamp('2001-01-31 00:00:00')。但是，k 和 k1 包括 2001-01-31，如下所示。

a b 2001-01-31 0.521604 0.716046 2001-02-28 0.584479 0.560608 2001-03-31 0.201605 0.860491 2001-04-30 0.077426 0.711042 2001-05-31 0.544708 0.865880 2001-06-30 0.755516 0.863443 2001-07-31 0.266727 0.107859 2001-08-31 0.683754 0.098337 2001-09-30 0.586217 0.697163 2001-10-31 0.742394 0.160754 2001-11-30 0.655662 0.400128 2001-12-31 0.902192 0.580582 2002-01-31 0.878815 0.555669

换句话说，我喜欢按月对 df 进行分组，而分组的 df 在 df 中包含每个月最后几天的索引标签，但不是最后一天每个日历月的日期。

Answer 1

让我们在 trim 索引

之后尝试 duplicated

df = df.sort_index()
out = df[~df.index.strftime('%Y-%m').duplicated(keep='last')]
Out[242]: 
                   a         b
2001-01-28  0.984408  0.923390
2001-02-25  0.108587  0.797240
2001-03-29  0.058016  0.025948
2001-04-26  0.095034  0.226460
2001-05-28  0.386954  0.419999
2001-06-30  0.535202  0.576777
2001-07-27  0.389711  0.706282
2001-08-29  0.270434  0.342087
2001-09-30  0.190336  0.872519
2001-10-28  0.333673  0.832585
2001-11-29  0.651579  0.751776
2001-12-27  0.649476  0.748410
2002-01-01  0.670143  0.389339

Answer 2

这个问题的答案很好。然而，如果你需要对组做更多的事情（例如，计算一些聚合统计数据）那么这里是另一个使用 groupby 方法的想法：

df = df.reset_index()
df.groupby([(df["index"].dt.year),(df["index"].dt.month)]).last().set_index("index")

如何按月对 pandas DataFrame 进行分组？尝试其输出具有实际最后几天的索引

How to group a pandas DataFrame by month? Trying its output to have a index with actual last days

python

pandas

group